#13 楼 @outman 住漳州是有点远。。不太现实。

#11 楼 @outman 厦门主要是房价有点高。其它还好。不过现在政府正在大力搞公租房，3 年会建 10 万套。如果是魔都帝都过来的话，可以卖掉原来的，来厦门买啊。。保守估计还有上涨空间。

#7 楼 @gyorou 确实有点远。。。。

#6 楼 @placeintime 是的。

你在哪啊？地球这么小呢。。

#4 楼 @qiaoqinqie python golang 技能绝对可以啊。。。remote 免了，沟通成本太高。

哈哈，你还不如到我锅里来呢。。来厦门吧，这里没有雾霾。。https://ruby-china.org/topics/31759

#1 楼 @novtopro 什么好厉害？

/home/changwu/.rvm/gems/ruby-2.0.0-p0/gems/nlpir-0.0.3-x86-linux/lib/nlpir.rb:177:in to_s': NULL pointer given (ArgumentError) from /home/changwu/.rvm/gems/ruby-2.0.0-p0/gems/nlpir-0.0.3-x86-linux/lib/nlpir.rb:177:inNLPIR_ParagraphProcess' from split_words.rb:11:in `

代码如下：

#encoding : utf-8
require 'nlpir'
include Nlpir

s = "坚定不移沿着中国特色社会主义道路前进  为全面建成小康社会而奋斗"
 #first of all : Call the NLPIR API NLPIR_Init

NLPIR_Init(nil, UTF8_CODE , File.expand_path("../", __FILE__))

#example1:   Process a paragraph, and return the result text with POS or not
puts puts NLPIR_ParagraphProcess("1989年春夏之交的政治风波1989年政治风波24小时降
雪量24小时降雨量863计划ABC防护训练APEC会议BB机BP机C2系统C3I系统C3系统C4ISR系统C4I系统CCITT建议")

page.body.force_encoding("ASCII-8BIT").force_encoding("utf-8") 这样就 ok 了。

#1 楼 @ywjno 谢谢，这样可以了。

可是保存到 mongodb，还是报这样的错误。

#13 楼 @vus520 它的多线程主要在 download 模块。我们后来改写了所有模块都可以用多线程和分布式。 长连接支持否尚不知道，我们都用 open-uri 进行下载的。

#14 楼 @lazing Anemone 是不是调度有问题？？我没有试过。

不过，ruby 爬虫好像效率真的是很低啊。习惯就好，因为比别的语言没有数量级的差别，所以就忍了。

#38 楼 @freebird0221 谢谢。。。能否告知哪个群啊？？因为数据可能明年就上亿了，后年几亿没有问题，怕到时候有很大的问题。所以想先知道一下有没有什么坑。。

ES 2-3 亿应该没有问题吧？？

#15 楼 @manageyp 现在没有，只有几千万的数据而已。

#1 楼 @wppurking 请教一下，如果 10 亿 document 的量级性能如何？

#6 楼 @huacnlee 我再提个，最好有关键字或者分类的功能

#9 楼 @vus520 Anemone 好像是整站爬。 如果定向爬网站，建议参考https://github.com/hooopo/direct_web_spider自己做一个。我们基于这个框架做了一阵，马马虎虎对付过去了。 不过上述框架都很久没有维护了，还是自己搞一个吧。mechanize+nokogirl 可以搞定一切。

赞一个。。

很牛的开源，第一时间学习了。。

支持一下。。。厦门 Rubyist 还真是不多。 不过，受我的影响有三个人喜欢上了 ruby，也用过实际项目。。 希望能多交流。 btw：群管理员应保持在线时间啊。。。 #3 楼 @linjunpop

真想卖的话就卖给我啊。

贝叶斯是基于样本密度的，SVM 是基于平面划分的。准确率没有什么好比较的，关键是特征值要选好，模型要训练好。用过 libsvm，感觉效果和速度都可以，推荐使用。

#101 楼 @gazeldx 我比较认同巴菲特的投资，持股时间要长一点。偶的炒股史就是辛酸史啊，现在没有兴趣再碰这块，倒是认为互联网还存在很大的机会，比较认同创业，创业的风险比炒股要小。

#102 楼 @linktoming 自动化交易是很牛 x 的技术，我觉得很有前途。

06 年开户至今，已远离股市 2 年了。痛啊，学费交了不少。

是不是 double 250 的意思？？

是不是来晚了？？[email protected]

+1

#11 楼 @doitian #2 楼 @wppurking

beanstalkd 在高并发时慢啊。。

情况是这样的：一个进程单线程 push jobs，总共 80w 左右，10 个进程 200 个线程 get jobs，服务器 4*4 核。96G 内存。感觉是 push jobs 很慢。

是不是我哪里不对啊？我怀疑是 200 个线程做轮询访问 beanstalk 使其变慢。但又不知道怎么去找出到底哪里慢。

请帮我分析分析啊。。

#103 楼 @hpviewer ，这么多要求，这个女人是不是你所要的啊？？要是我早甩了。另外，女人找你要什么你也别太当回事，哄一哄，承诺一下就好了。。